# FW2_2

**Repository Path**: applezyh/FW2_2

## Basic Information

- **Project Name**: FW2_2
- **Description**: No description available
- **Primary Language**: Unknown
- **License**: Not specified
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 0
- **Created**: 2022-04-21
- **Last Updated**: 2022-05-07

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

### 高级语言程序设计2-2课程作业

#### 简介
基于Qt完成的图形处理小程序，支持对图片的读取、保存、锐化、模糊、饱和度调整、画图编辑等基础图片处理功能。运行演示示例见 [视频链接](https://www.bilibili.com/video/BV1H44y1u7va/)
#### 项目结构
QtWidgetsApplication.cpp&&.hpp 文件为程序主界面，所有组件包括画布、滑动窗、功能按钮均在主界面数据结构中实现。
my_label.h&&.cpp继承QtLabel类实现了程序画布类，主要作用是保存图片并且响应各种事件(鼠标点击、移动)，并且在该源文件中实现了三个图像处理程序来完成图像模糊、锐化和对比度调整操作。
#### 关联项目 minnet
关联项目由于时间问题为集成到图像处理小程序中，但也具有一定的工作量。
minnet是一个基于C++20标准实现的轻量深度学习框架，除C++标准库外不依赖任何第三方库，源码仅有2000行左右，适合帮助深度学习初学者更加深入理解深度学习算法、流程的实现。框架支持神经网络模型的搭建、训练和推理过程。

## 基于C++的深度学习框架: minnet

### 1. 框架配置

该框架基于C++20标准实现，除了demo对图像的读写和显示功能会用到OpenCV库之外没有其他外部依赖。

在Linux操作系统下，需要保证您的编译器支持C++20标准，如果想要运行演示程序，需要安装OpenCV。
构建方法: 根目录运行：

```shell
mkdir build
&& cd build
&& cmake ..
```

完成项目构建，构建完成后可以在{根目录}/build/src目录下找到对应的静态链接库文件lib_minnet.a。如果运行机器安装有OpenCV您也可以在{根目录}/build/example目录下找到对应的演示程序，演示程序将基于mnist数据集进行训练并且输出测试结果。

运行演示程序需要提前安装OpenCV，并且准备好mnist数据集，项目提供mnist数据集下载脚本。使用python(版本要求3.X)运行`example/script/download_mnist.py`脚本，会自动下载mnist数据集到example/mnist文件夹下。

关于OpenCV的安装，这里给出源码安装的方式，同样安装OpenCV需要保证安装环境配置有cmake。

```shell
// 选择合适的安装目录
// 在OpenCV项目根目录下
mkdir build
&& cd build
&& cmake ..
&& make install
// 运行上述命令，然后等待OpenCV安装
```

运行演示程序需要在命令行给出mnist数据集所在的目录路径，以在根目录下运行演示程序为例。

```shell
./build/example/cnn_demo ./example/msist/
```

演示程序会利用mnist训练集进行模型训练，并且在测试集上进行测试。模型配置如下:

```C++
class Net :public minnet::Model {
public:
    Net() {
        conv1 = minnet::Conv2d(1, 1);
        conv2 = minnet::Conv2d(1, 1);
        fc1 = minnet::Linear(1 * (7 * 7), 10);
        dropout = minnet::DropOut(0.5);
        add_layer(&conv1);
        add_layer(&conv2);
        add_layer(&fc1);
        add_layer(&dropout);
    }
    minnet::Tensor Forward(minnet::Tensor input) override {
        minnet::Tensor out = conv1(input);
        out = dropout(out);
        out = minnet::Relu(out);
        out = minnet::MaxPool2d(out);
        out = conv2(out);
        out = dropout(out);
        out = minnet::Relu(out);
        out = minnet::MaxPool2d(out);
        out = out.reshape(1, -1);
        return fc1(out);
    }
private:
    minnet::Conv2d conv1;
    minnet::Conv2d conv2;
    minnet::Linear fc1;
    minnet::DropOut dropout;
};
```

感兴趣可以修改模型配置重新编译运行演示程序。

### 2. 目录结构

* src目录下存放着框架核心代码。
  * Tensor: 框架核心数据结构
  
  * Optimizer: 优化器，目前只实现了SGD优化器
  
  * Layer: 模型核心数据结构，卷积层和全连接层和模型基类
  
  * Function: 常用损失函数
* include目录存放着对应头文件
* example目录下存放着演示程序，想要编译运行需要安装OpenCV

### 3.框架结构

构建以动态图的形式构建神经网络，只有在运算发生时网络才会构建。

核心数据结构Tensor类，该类重载了加、减、乘、除、卷积、矩阵乘法...等运算，并且根据运算完成自动求导，最终实现构建神经网络。神经网络最为核心的前向传播和反向传播功能均由此数据结构实现。

// TODO(详细介绍)

如果您对该框架感兴趣，不妨联系我说出您的想法与问题。email：applezyh@outlook.com